Eliza 기술 백서 해설: 웹3 친화적인 AI 에이전트 운영체제
작성자: TechFlow
오랫동안 기다려온 Eliza의 기술 백서가 마침내 오늘 공개되었다.
많은 AI 에이전트(Agent)들이 Eliza의 오픈소스 프레임워크를 기반으로 만들어지고 있다고는 하지만, Eliza가 스스로를 어떻게 정의하는지에 대한 기술적 설명은 여전히 부족했다.
이번 백서는 AI와 Web3의 심층적 융합, 모듈화된 시스템 아키텍처 설계, 그리고 오픈소스 프레임워크로서의 기술 구현 세부 사항에 대해 자세히 설명하며 이러한 질문에 훌륭하게 답하고 있다.
이 백서는 Shaw와 Eliza Labs의 여러 멤버 및 관련 기관의 기술 전문가들이 공동 집필했으나, 다수의 기술적 세부사항과 전문 개념을 포함하고 있어 일반 독자에게는 다소 접근하기 어려울 수 있다.
TechFlow는 이를 간략화하고 핵심 내용만 추려, 누구나 쉽게 이해할 수 있도록 정리했다.
1. 왜 Eliza를 개발했는가?
참고로, 이 글에서의 논의 범위는 '암호화폐 또는 Web3 분야'에 한정된다. 즉, 다른 일반적인 AI 프레임워크들과 비교하는 것이 아니라, Web3 영역 내에서 왜 Eliza가 필요한지를 중심으로 설명한다.
백서의 서론 및 배경 설명은 바로 이 질문에 명확한 답을 제시한다:
AI와 Web3의 교차 지점에는 오랫동안 뚜렷한 공백이 존재해왔다. 그것은 바로 Web3 애플리케이션을 원활하게 통합할 수 있는 에이전트 프레임워크의 부재이다.
구체적으로 백서는 Web3 분야가 직면한 세 가지 주요 과제를 다음과 같이 지적한다:
-
탈중앙화 거래의 복잡성: 이더리움, 솔라나(Solana), 베이스(BASE) 등 다양한 공용 블록체인의 급속한 성장으로 인해, 서로 다른 체인 상에서 자산을 관리하고 거래를 실행하는 작업이 점점 더 복잡해지고 있다. 일부 거래 플랫폼은 존재하지만, 중급 이상 사용자의 맞춤형 요구를 충족시키기엔 기능이 부족하다.
-
체인 데이터의 가치 발굴: 블록체인에는 지갑 보유량 변화, 토큰 가격, 시가총액 등의 기본 지표뿐 아니라 고래 계정 비율, 마켓메이커 스타일과 같은 고급 지표까지 방대한 정보가 담겨 있다. 이러한 복잡한 데이터를 유의미한 통찰로 전환하는 것은 해결해야 할 중요한 문제다.
-
소셜 미디어 정보의 단편화: Web3 산업에서 트위터, 디스코드(Discord), 팍캐스터(Farcaster) 등 소셜 플랫폼은 정보 수집의 핵심 채널이다. 그러나 의견주도자(KOL) 수가 증가하면서 정보가 점점 더 조각화되고 있으며, 정보의 홍수 속에서 진정한 가치를 찾는 것은 모든 거래자에게 공통된 도전 과제다.
이러한 현실적 요구에 따라 탄생한 것이 바로 Eliza다. 최초의 오픈소스 Web3 친화적 AI 에이전트 운영체제로서, Eliza는 모듈화된 설계를 통해 개발자와 사용자가 각자의 필요에 맞춰 솔루션을 구성할 수 있도록 한다.
Eliza는 고급 AI 기능을 일반 사용자가 쉽게 활용할 수 있도록 하며, 깊은 프로그래밍 지식 없이도 자신만의 AI 에이전트를 구축할 수 있게 한다.
또한 백서는 다른 일반적인 AI 프레임워크들과의 비교를 통해 Eliza의 차별점을 강조한다. 아래 표에서 알 수 있듯이, Web3 지원 측면에서 Eliza는 가장 적합한 프레임워크라고 주장하고 있으며, 이는 백서 전체의 핵심 메시지이기도 하다.
2. Eliza의 설계 철학과 기술 혁신
세 가지 설계 원칙: 단순함 속의 깊이
Eliza의 성공은 우연이 아니다. 초기 설계 단계에서 팀은 세 가지 핵심 원칙을 설정했다:
-
Web3 개발자를 우선시한다: Web3 생태계가 주로 JavaScript/TypeScript를 사용하므로, Eliza는 TypeScript를 개발 언어로 선택했다. 익숙한 도구를 사용할 수 있을 뿐 아니라, 기존 웹 애플리케이션에 블록체인 기능을 쉽게 통합할 수 있다. 즉, Web3 개발자들이 "바로 사용 가능하도록" 만든 것이다.
-
모듈화된 플러그인 설계: Eliza는 시스템을 핵심 런타임과 네 가지 핵심 구성 요소로 분리한다:
-
어댑터( Adapter, 데이터 연결)
-
캐릭터(Character, 에이전트 성격)
-
클라이언트(Client, 메시지 처리)
-
플러그인(Plugin, 일반 기능)
이러한 설계 덕분에 개발자는 핵심 런타임에 영향을 주지 않고 자유롭게 자신의 플러그인, 클라이언트, 역할, 어댑터를 추가할 수 있다. 또한 OpenAI, Llama, Qwen 등 다양한 모델 제공업체와 트위터, 디스코드, 텔레그램 등 플랫폼, 솔라나, 이더리움, 톤(Ton) 등 다양한 블록체인과의 호환성을 확보할 수 있다.
-
간단함을 추구한다:
제한된 엔지니어링 자원 하에서 내부 구현을 단순하게 유지하면, 새로운 기능 개발과 신규 시나리오 대응에 시간을 더 투자할 수 있으며, AI 및 Web3 분야의 빠른 변화에 효과적으로 대응할 수 있다.
기술 혁신: 내부 강화와 외부 확장
실제 구현 측면에서 Eliza의 혁신은 내부 강화와 외부 확장 두 가지 차원으로 나뉜다.
-
내부 강화: AI 모델의 사고 능력을 향상시키기 위해 Eliza는 여러 최첨단 기술을 통합했다:
-
사고 연쇄(Chain-of-Thoughts):
-
기술 정의: 단계별 설명을 도입
-
쉬운 설명: 수학 문제를 풀 때 풀이 과정을 쓰는 것처럼, AI도 답변을 내기 전에 사고 과정을 단계별로 기록한다. 결과의 정확성은 물론 인간이 AI의 결론 도출 과정을 이해할 수 있도록 한다.
-
-
사고 나무(Tree-of-Thoughts):
-
기술 정의: 여러 해결책을 동시에 탐색 가능
-
쉬운 설명: 체스에서 가능한 수를 여러 가지 고려하듯, AI는 여러 해결책을 동시에 탐색한 후 최적의 해법을 선택한다. 사고의 나무에서 가장 좋은 가지를 선택하는 것과 같다.
-
-
사고 그래프(Graph-of-Thoughts):
-
기술 정의: 추론 경로를 연결
-
쉬운 설명: 문제를 하나의 네트워크로 보고, 다양한 아이디어들을 서로 연결한다. 복잡한 문제를 해결할 때 관련된 생각들을 모두 연결하여 사고지도를 그리는 것과 같다.
-
-
사고 층(Layer-of-Thoughts):
-
기술 정의: 계층적 추론 AI
-
쉬운 설명: 필터처럼 사고 과정을 여러 층으로 나눈다. 큰 방향을 먼저 생각한 후 점차 세부 사항으로 들어가는 것처럼, 층층이 추론을 진행한다.
-
-
외부 확장: 실제 문제 해결 능력을 강화하기 위해 다양한 외부 기능을 통합했다:
-
RAG (검색 강화 생성):
-
기술 정의: 검색을 통해 생성 능력 강화
-
쉬운 설명: 학생이 숙제를 할 때 교과서를 참고하듯, AI도 답변을 생성할 때 자료를 검색하여 더 정확한 답변을 제공한다.
-
-
벡터 데이터베이스:
-
기술 정의: 구조화된 데이터 저장 및 검색
-
쉬운 설명: AI의 "도서관"과 같아서 유사한 콘텐츠를 빠르게 찾을 수 있다. 예를 들어 "달에 관한 시를 찾고 싶다"고 하면 관련 시들을 빠르게 찾아낸다.
-
-
웹 검색:
-
기술 정의: 인터넷에서 실시간 정보 획득
-
쉬운 설명: 인간처럼 최신 정보를 인터넷에서 검색할 수 있어 고정된 지식 범위에 국한되지 않는다.
-
-
텍스트-이미지/비디오/3D 모델 변환:
-
기술 정의: 텍스트 설명을 멀티미디어 콘텐츠로 변환
-
쉬운 설명: 화가가 문장을 보고 그림을 그리듯, AI는 설명을 바탕으로 이미지, 동영상, 3D 모델까지 생성할 수 있다.
-
기타 Web3 프레임워크와의 비교
현재 Web3 AI 에이전트 프레임워크 중에서 Eliza는 명확한 우위를 보이고 있다. 50명 이상의 AI 연구자 및 고급 블록체인 개발자의 피드백에 따르면, Eliza는 다음의 핵심 지표에서 타 프레임워크를 앞선다:
-
모델 제공업체 지원
-
체인 호환성
-
기능 완전성
-
소셜 미디어 통합
3. Eliza OS: 정교하게 설계된 Web3 AI 생태계
Eliza의 설계 철학을 이해한 후, 이제 이 프레임워크가 실제로 어떻게 작동하는지 살펴보자. Eliza는 마치 완벽하게 조합되는 레고 블록 시스템과 같으며, 각 부분이 유기적으로 작동하면서도 높은 유연성을 갖춘다.
핵심 구성 요소: 다섯 가지 주요 역할
Eliza 세계에서는 다섯 가지 핵심 구성 요소가 상호 협력하여 완전한 지능형 시스템을 형성한다.
-
에이전트(Agents): 시스템의 주인공
각각의 독립된 "디지털 비서"처럼, 다양한 자율적 상호작용을 담당한다. 각 에이전트는 자체 "기억"과 "성격"을 가지며, 디스코드, 트위터 등의 채널을 통해 사용자와 일관성 있는 대화와 상호작용을 수행한다.
-
캐릭터 파일(Character Files): 에이전트의 "인물 설정"
에이전트에게 개성을 부여하기 위해 캐릭터 파일이 필요하다. 이는 에이전트의 "이력서"와 같아서, 정체성과 성격 특징을 정의할 뿐 아니라 사용 가능한 모델(예: OpenAI, Anthropic)과 수행 가능한 작업(예: 블록체인 거래, NFT 민팅)도 규정한다. 잘 설계된 캐릭터 파일을 통해 각 에이전트는 독특한 전문성과 행동 양식을 보여줄 수 있다.
-
프로바이더(Providers): 에이전트의 "감각 시스템"
외부와 상호작용할 때, 에이전트는 프로바이더를 통해 "감각 시스템"을 갖는다. 인간이 감각을 통해 세상을 인식하듯, 프로바이더는 시장 데이터, 지갑 정보, 감성 분석 등의 실시간 정보를 제공하여 에이전트가 현재 환경과 맥락을 더 잘 이해할 수 있도록 돕는다.
-
액션(Actions): 에이전트의 "기술 라이브러리"
구체적인 행동이 필요할 때, 액션은 에이전트의 "기술 목록"이 된다. 단순한 매수/매도 주문부터 복잡한 NFT 생성까지, 모든 작업은 엄격한 보안 검증을 거쳐 금융 관련 작업에서도 안전성이 보장된다. 이러한 기술들은 에이전트가 Web3 세계에서 진정으로 기능할 수 있게 한다.
-
평가기(Evaluators): 에이전트의 "결정 시스템"
마지막으로 평가기는 에이전트의 "결정 시스템" 역할을 하며, 대화 내용을 평가하고 중요 정보를 추출하며 장기 기억을 구축하는 데 도움을 준다. 목표 달성 상태를 추적할 뿐 아니라 전체 대화의 일관성을 유지한다.
지능형 상호작용: 단순한 대화를 넘어서
상호작용 측면에서 Eliza는 다층적인 이해 시스템을 채택한다. 이는 마치 숙련된 통역사가 문자 그대로의 의미뿐 아니라 맥락과 의도까지 이해하듯, 사용자의 진정한 요구를 정확히 파악하고 다양한 커뮤니케이션 플랫폼에서 일관된 경험을 제공하며 맥락에 따라 반응 방식을 유연하게 조정한다.
플러그인 시스템: 무한한 확장 가능성
Eliza의 플러그인 시스템은 본질적으로 도구 상자이며, 프레임워크 전체에 강력한 확장성을 제공한다. 이러한 확장성은 세 가지 방향으로 나타난다:
-
멀티미디어 생성: 이미지, 비디오, 3D 모델 생성이 가능하며, NFT 시리즈의 자동 생성과 이미지 설명 및 분석 기능도 제공한다.
-
Web3 통합: 이더리움, 솔라나 등 다중 블록체인 운영을 지원하며, 완전한 거래 기능 세트와 다양한 DeFi 작업을 통합한다.
-
인프라: 브라우저 서비스, 문서 처리, 음성-텍스트 변환 등 기본 기능을 제공한다.
이러한 모듈화된 설계를 통해 Eliza는 시스템의 안정성을 유지하면서도 개발자에게 거의 무한한 확장 가능성을 제공한다. 이는 Eliza가 Web3 세계에서 계속해서 새롭게 등장하는 요구와 시나리오에 적응할 수 있도록 한다.
4. Eliza의 실력은 어느 정도인가? 데이터로 보는 현실
새로운 기술 프레임워크가 등장할 때 사람들은 그 실제 성능을 가장 궁금해한다. Eliza는 이에 대해 솔직한 답변을 제시한다.
GAIA 벤치마크 테스트(실제 문제 해결 능력을 평가하는 AI 에이전트 전용 테스트 플랫폼)에서 Eliza는 뛰어난 실력을 보여줬다. 이 테스트는 단순한 질문-답변 능력을 평가하는 것이 아니라, 논리적 추론, 다중 모달 처리, 웹 브라우징, 도구 사용 등 다양한 기술을 요구한다.
테스트에서 Eliza의 점수(19.42%)는 현재 최고 수준의 솔루션과는 다소 차이가 있지만, Web3 특화 프레임워크라는 점을 고려하면 매우 인상적인 성과다. 특히 기초 과제(Level 1)에서는 32.21%의 완수율을 기록하며 견고한 기본 능력을 입증했다.
Web3 분야: 선도적인 표준 제정자
더 주목할 점은, Eliza가 Web3 분야에서 실제로 "표준 제정자" 역할을 하고 있다는 점이다. Web3 지향 AI 시스템이 초기 단계에 머물고 있는 가운데, Eliza는 업계 최초로 완전한 평가 기준 체계를 제시하며 산업의 방향성을 제시하고 있다.
이 평가 체계는 세 단계로 나뉘며, 백서는 이를 Web3 AI 버전의 "튜링 테스트"라고 부른다:
-
기본 능력: 지갑 생성, 토큰 거래, 스마트 컨트랙트 상호작용 등 기본 작업
-
고급 기능: 텍스트-비디오/3D 변환, RAG 지원 등 최신 AI 기술 통합
-
심층 특성: 사용자 지시에 따라 자율적으로 계획하고 추론하여 진정한 지능형 의사결정을 수행
현재 Eliza는 기초 단계의 모든 기능을 성공적으로 구현했으며, 고급 단계로 나아가고 있다. 팀은 몇 년 내에 완전히 자율적인 AI 에이전트 시스템을 실현할 수 있을 것이라 확신하고 있다.
5. 실제 적용 사례: 시장의 선택
원본 백서에는 코드 예시를 통해 프레임워크로 구현 가능한 실제 애플리케이션을 소개하는 섹션이 있었으나, 이해 난이도와 기술적 세부사항을 고려해 생략하고, 보다 거시적인 적용 사례만을 제시한다.
백서에 따르면 2025년 1월 기준, 이미 여러 주요 Web3 프로젝트가 Eliza를 기반으로 AI 에이전트 시스템을 구축했으며, 이 파트너들의 총 시가총액은 200억 달러를 초과한다.
이 수치 자체가 바로 시장이 Eliza의 기술력을 인정한 가장 강력한 증거다.
더욱 중요한 것은, Eliza 팀이 미래에 대해 확신을 가지고 있다는 점이다. 그들은 이러한 "지능형 에이전트"들이 계속 진화함에 따라, 다수의 AI 유닛이 협력하는 새로운 시대가 열릴 것이라 믿는다. Anthropic의 CEO 다리오 아모데이(Dario Amodei)가 말한 "천재 데이터센터"의 비전처럼, Eliza는 그 미래를 위한 길을 닦고 있다.
6. 현재의 한계와 미래 전망: 솔직한 자기 성찰
어떤 기술 프레임워크라도 완벽할 수는 없다. Eliza 팀도 백서에서 현재 프레임워크의 한계를 솔직하게 인정하고 있다.
해결해야 할 세 가지 과제
-
워크플로우 시스템의 부재: 숙련된 비서에게 표준화된 업무 흐름이 필요한 것처럼, 개발자가 정기적으로 여러 출처의 데이터를 종합하는 등의 반복 작업을 자동화하고자 할 때, 기존 Eliza 프레임워크는 이를 위한 솔루션을 제공하지 못한다. 이런 경우 Dify나 Coze처럼 GUI 기반의 워크플로우 시스템을 활용해야 할 수 있다.
-
다중 에이전트 시스템의 성능 문제: 에이전트 수가 증가함에 따라 처리해야 할 맥락과 기억 정보가 지수적으로 늘어난다. 특히 많은 입력/출력 작업을 처리할 때, 계산 비용과 실행 효율 사이의 균형을 잡는 것은 여전히 해결해야 할 기술적 과제다.
-
다국어 지원 확장 필요: 현재 Eliza는 주로 TypeScript 기반이지만, 더 다양한 분야의 개발자를 유치하기 위해 Python, Rust 등의 다른 프로그래밍 언어 지원도 필요하다.
미래 전망: 탈중앙화 AI의 새로운 시대를 열다
이러한 한계가 존재하지만, Eliza의 의미는 단순한 기술 프레임워크를 넘어선다. 이는 AI 기술과 Web3 애플리케이션이 깊이 융합되는 창의적인 시도의 상징이다.
각 기능 모듈을 표준 TypeScript 프로그램으로 설계함으로써, Eliza는 사용자가 시스템에 대한 완전한 통제권을 가질 수 있도록 보장한다. 동시에 블록체인 데이터와 스마트 컨트랙트와의 원활한 통합 기능도 제공한다. 이러한 설계는 보안성과 확장성을 동시에 확보한다.
백서의 마지막 문장처럼, Eliza의 가능성은 오직 사용자의 상상력에 의해 제한될 뿐이다. AI와 Web3 기술의 지속적인 발전과 함께, Eliza 역시 계속 진화하며 탈중앙화 AI의 방향을 선도할 것이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
深潮TechFlow
